机器人终身学习新思路：D2R 用世界模型想象旧任务，防止灾难性遗忘
AlphaXiv 上 2026 年 10 月发布的一篇论文提出 Dream to Remember（D2R），让冻结的通用机器人策略通过一个小型“操控模块”学习新任务，同时用冻结的世界模型“脑补”旧任务来防止遗忘。在 CALVIN 和 LIBERO 的连续任务评测中，它比直接微调策略的遗忘问题明显更轻。
AI 工具排错、提示词与实用教程
先解决问题，再了解资讯。选择你现在要完成的任务。
Meta发布Muse Wonder与Muse Wonder Full，智能指数6周内提升至52和56分
Meta在2026年10月发布Muse Wonder和Muse Wonder Full，Artificial Analysis智能指数最高分分别达52和56，较6周前的Muse Spark 1.3（48分）明显提升，重点强化了Agent任务能力。
Hugging Face论文：On-policy蒸馏常非最优，Semi-OPD在14/17组超越
Hugging Face Papers 收录的一篇论文提出 Semi-OPD：用初始学生模型自己生成的离线轨迹来蒸馏，在 17 组教师—学生模型对比中 14 组优于当前流行的 on-policy 蒸馏（OPD），最高准确率提升 13.6%，训练提速 11.4 倍。它提醒开发者：on-policy 采样并非总是…
Eval bug: llama-speculative changes the distribution at temp > 0
该报错出现在使用 llama-speculative （ examples/speculative ）且 --temp 大于 0 时，投机解码路径改变了采样分布，导致同一前缀下的下一 token 频率与非投机路径严重不符。优先排查 speculative 示例的草稿采样与拒绝重采样逻辑，而不是模型或
Cognition推出FrontierCode评测：AI写代码能过维护者合并关吗？
Artificial Analysis 上线了 Cognition 的 FrontierCode 1.1 代码评测排行榜，考察 AI 模型改动的开源代码能否被维护者真正合并。领先模型仍有超过 40% 的尝试被判定不合格。
DataVista 发布：首个数据视频理解基准，Gemini-3.1-Pro 准确率 70%
港科大团队推出首个面向“数据视频”的多模态理解基准 DataVista，含 961 条真实视频与 6775 道题；测试 19 个主流多模态大模型，最好成绩仅 70.0%，远低于人类专家。
fix(api): use f-string for raise messages in trigger debug event selectors
这个报错通常出现在 Dify 工作流使用「触发节点（Trigger Start）」做 Draft > Trigger > Run single node 调试时，后端 raise ValueError 用了 %s 占位符加多个位置参数，导致异常消息被渲染成 Python 元组字符串而不是可读文本。优
[Bug]: GLM MXFP4 returns 0 GSM8K on GB200 (DEP8+EP8, vLLM 0.30.0)
![[Bug]: GLM MXFP4 returns 0 GSM8K on GB200 (DEP8+EP8, vLLM 0.30.0)](https://www.chat-gpts.plus/wp-content/uploads/2026/10/58729-f68f79e9-768x403.jpg)
该报错出现在 GB200/B300 等 SM100 机器上，用 vLLM 0.30.0 以数据并行 + 专家并行（DEP8+EP8）方式托管 GLM-5.3-MXFP4 时，MoE 走 Cutlass MXFP4 路径但不应用 expert_map，只支持 EP=1，导致 GSM8K 约 0 分。优
[Bug]: tool_choice=”required” not enforced with Qwen3.8-Flash-Next when enable_thinking=false (streaming); xgrammar “Failed to advance FSM”
![[Bug]: tool_choice="required" not enforced with Qwen3.8-Flash-Next when enable_thinking=false (streaming); xgrammar "Failed to advance FSM"](https://www.chat-gpts.plus/wp-content/uploads/2026/10/55552-a09a0a5f-768x403.jpg)
这个报错通常出现在用 vLLM 部署 Qwen3.8-Flash-Next 并开启 tool calling / 结构化输出（xgrammar）时，尤其是流式输出配合 tool_choice="required" 、 enable_thinking=false ，或开启 thinking 且使用 M
Video-RSI：让视频理解智能体用大模型改写自己的执行框架
Hugging Face Papers 收录的论文提出 Video-RSI，让视频理解智能体用自身语言模型改写控制其观察方式的执行框架（harness），在更少帧数下提升准确率。它值得关注，因为它把“自我改进”从调模型权重转向改证据获取流程。